金融學術前沿｜AI Agent元年：OpenClaw如何重塑AI商業化路徑與資本市場映射

2026年3月24日晚，第238期“金融學術前沿”報告會在復旦大學智庫樓209會議室舉行。本次時事報告主題是“AI Agent元年：OpenClaw如何重塑AI商業化路徑與資本市場映射”，由復旦發展研究院金融研究中心（FDFRC）組織舉辦，中心主任孫立堅教授主持，報告人為孫教授研究團隊成員張毅。本文根據報告內容、公開材料以及現場討論，從熱點背景、內容分析、專家解讀以及思考與提問等幾方面展開。

01

熱點背景

1.1

“小龍蝦”的爆火出圈

OpenClaw是一個開源的自主人工智能（AI）虛擬助理軟件項目，因其圖標是一只紅色龍蝦又被稱作“小龍蝦”。OpenClaw由奧地利軟件工程師彼得·斯坦伯格開發，最初于2025年末以Clawdbot的名字在GitHub上發布，后更名為Moltbot，最終定為現名。

OpenClaw被設計為可代替用戶執行任務的自主人工智能虛擬助理軟件，而非只是對話式聊天機器人。其可部署在MacOS、Windows等本地設備上，并能夠調用其他AI大模型與應用程序接口（API），通過WhatsApp、Telegram等即時通訊平臺接收用戶發送的文本指令，實現安排日程、編寫代碼等工作。OpenClaw在本地存儲配置數據和交互歷史，從而擁有較持久的記憶能力。

OpenClaw強大的全棧式開發能力和一體化服務體系極大地便利了人們的研究和工作，其意義不僅僅在于其本身技術的創新，而在于其推動了AI從“工具屬性”向真正的“生產力屬性”進行躍遷，從而改變了企業成本結構與收入模式。

圖表1：OpenClaw

資料來源：OpenClaw官網、維基百科

1.2

“小龍蝦”的發展階段

1.2.1“小龍蝦”的技術醞釀期（2025年11月前）

隨著大語言模型的不斷發展，大語言模型首次具備了“工具調用能力”，可以通過調用搜索、地圖等工具完成多步驟任務規劃，這表明AI不僅僅局限于問答，而是可以開始執行相應的動作。

Browser Agent/RPA與LLM開始結合。在過去，Selenium/RPA只能按照預先設置好的腳本進行運行，而現在AI可以幫助其理解目標要求，并根據目標分成多步驟調用相關腳本和應用達成目的，而不是依賴固定腳本。

OpenClaw在2025年11月是由奧地利軟件工程師彼得·斯坦伯格發起，最初是名為WhatsApp Relay的個人實現項目發布在GitHub上。該項目旨在實現AI與本地環境的安全交互，解決傳統SaaS AI產品數據不可控、依賴云端的痛點。項目初期名為ClawdBot，“Claw”寓意AI對任務的抓取與執行能力，致敬Anthropic的Claude模型。

圖表2：Firecrawl官網

資料來源：公開資料，Firecrawl官網

圖表3：Gemini模型

資料來源：公開資料，Firecrawl官網

1.2.2“小龍蝦”的概念初創期（2026年1月）

項目正式發布并經歷兩次更名（Clawdbot → MoltBot → OpenClaw），確立“開源、本地優先、自主執行”的AI Agent范式。市場把零散的技術統一命名為一個“投資主題”。

GitHub星標數從零起步，1月底突破10萬，被市場視為“AI從對話邁向執行”的里程碑。此時，大量可視化Demo開始傳播，讓“非技術人群”也能夠理解OpenClaw背后的原理和機制。

云廠商、模型廠商開始進行“產品信號”的釋放。谷歌推出LLM可以幫助人們使用AI代理進行網頁點擊，Digital First AI推出了自己的自動辦公產品Demo。

圖表4：AI代理網頁點擊

資料來源：公開資料，Digital First AI官網

圖表5：Digital First AI

資料來源：公開資料，Digital First AI官網

1.2.3“小龍蝦”生態爆發期（2026年2月-3月上旬）

這一階段，OpenClaw從“單點技術”升級為“生態系統”，出現平臺、應用、開發者、商業化的全面共振，引發產業級爆發。

OpenClaw星標數在2月內從16萬飆升至22.4萬，3月7日突破27萬，超越Linux與React，成為GitHub史上增長最快的開源項目。Token消耗量一個月內翻4倍以上，引發全網“養龍蝦”的熱潮。

股價反應：3月9日單日集中爆發，優刻得、青云科技、順網科技、云賽智聯、美利云等多只算力概念股漲停，優刻得單日漲幅達19.99%，5日內市值增長超75億元。

圖表6：How much does OpenClaw setup cost?

資料來源：公開資料

1.2.4“小龍蝦”商業化落地期（2026年3月中旬）

生態從“技術熱”開始轉向“商業落地”，頭部企業開始加速構建閉環，如阿里云、騰訊云、 智譜AI、月之暗面、MiniMax等大模型廠商。

股價進入分化期：部分概念股高位回撤超60%（如優刻得），市場開始關注真實收入轉化能力，而非概念熱度。

圖表7：JVS Claw

資料來源：Wind，公開資料

圖表8：部分概念股高位回撤超60%

資料來源：Wind，公開資料

02

內容分析

2.1

為什么要關注OpenClaw？

OpenClaw技術的重要性在于其推動AI從“對話交互”向“系統級任務執行”的范式升級，成為AI Agent商業化落地的關鍵催化劑，值得關注的核心原因包括技術突破、產業變革與商業價值三大維度。

2.1.1技術突破：定義AI Agent新范式

OpenClaw是一款本地優先、開源的AI智能體操作系統，其核心功能是將大語言模型的認知能力與本地系統的執行權限深度融合，實現AI從“對話”到“主動做事”的范式升級。它不依賴云端服務，而是作為用戶個人的“數字助理”，在本地設備上完成復雜任務，同時保障數據主權與隱私安全。

OpenClaw采用了Channel-Gateway-Node三層架構，以WebSocket為通信總線，將控制平面、設備執行與消息渠道解耦，實現了跨平臺交互與本地自動化操作的高效協同。

圖表9：OpenClaw三層架構

資料來源：OpenClaw橙皮書，聯儲證券研究所

2.1.2產業變革：重塑AI產業鏈價值分配

OpenClaw的爆火推動AI產業從“模型競賽”轉向“應用落地”，核心影響體現在：

算力需求指數級增長：Agent模式下Token消耗顯著高于傳統對話場景，據測算，到2026年底全球月Token消耗量有望增長19.1-489.6T，帶動Blackwell芯片需求增長2432-62271片，直接利好AI芯片算力基礎設施廠商。

大模型商業化路徑重構：國產大模型通過適配OpenClaw生態，實現API調用量與Token收入快速增長。

云服務模式升級：云廠商從“單一模型承銷商”轉向“多模型計費層”，通過一鍵部署、平臺工具鏈實現高毛利變現。

圖表10：OpenClaw與ChatGPT對比

資料來源：OpenClaw橙皮書，聯儲證券研究所

2.1.3商業價值：從C端破圈到B端落地

OpenClaw的商業價值體現在C端用戶普及與B端場景滲透的雙重爆發：

C端全民“養蝦”熱潮：GitHub星標數超30萬登頂開源榜首，國內社交平臺出現500-7000元/次的上門安裝服務，部分從業者稱“數日收入超26萬元”；騰訊、阿里等大廠推出ClawBot、“龍蝦”手機版等產品，降低使用門檻。

B端行業場景落地：

（1）金融投研：AlphaClaw內置80000名專業投資者信任的投研知識庫，可復刻巴菲特投資邏輯、生成資產配置建議；

（2）醫療健康：160健康國際部署“醫療數字員工”系統，覆蓋預診、問診全流程，產品迭代周期縮短超60%；

（3）工程監理：自動分類施工文件、提取檢測數據、生成可視化報表，提升監理效率。

圖表11：AlphaClaw金融投研示例

資料來源：Wind，公開資料

圖表12：醫療健康AI智能體

資料來源：Wind，公開資料

2.2

OpenClaw的功能與應用場景

OpenClaw通過開源框架整合大模型能力、本地執行權限與技能生態，實現AI從“被動響應”到“主動執行”的躍遷，其核心技術特性包括：

（1）本地化部署與數據主權：支持Mac/Windows/Linux本地運行，數據全留存于自有設備，從架構層面保障隱私安全（如AlphaClaw實現本地矢量化存儲，物理隔絕云端）。

（2）系統級自動化執行：開放完整系統權限，支持文件讀寫、Shell命令與腳本執行，可完成文件管理、代碼調試、數據提取等復雜任務。

（3）模塊化技能生態：通過ClawHub等平臺匯聚超5000個社區貢獻的Agent Skills，覆蓋自動寫代碼、網頁操作、數據抓取等場景，形成“技能批發市場”。

（4）多渠道統一接入：通過單Gateway網關聚合WhatsApp、Telegram、飛書等通訊渠道，實現全域消息互通與跨平臺任務調度。

圖表13：Agent生態

資料來源：Wind，公開資料

OpenClaw與ChatGPT 代表了AI工具的兩種不同發展方向，共同豐富了AI 應用落地的具體形態。

ChatGPT是面向大眾的通用對話工具，以“你問我答”為核心，依托云端網頁/APP 便捷使用，模型與數據由平臺統一管理，生態相對封閉。

OpenClaw則是更偏向自主執行型的智能助手，需要用戶自行部署服務器，能接入各類聊天平臺，可自主完成復雜任務，數據完全留存于用戶本地，同時支持多模型切換與開源技能擴展。

圖表14：OpenClaw與ChatGPT的區別

資料來源：OpenClaw橙皮書，聯儲證券研究所

圖表15：OpenClaw的功能與應用場景

資料來源：GitHub，聯儲證券研究所

核心應用場景：

（1）金融投研：重構專業工作流

OpenClaw在金融領域已形成顯著應用價值，尤其在投研效率提升方面：

自動化數據處理：對接Wind、同花順等專業金融數據庫，實現財報自動抓取、因子挖掘、策略回測、技術指標計算等全流程自動化，減少人工干預。

辦公流程提效：通過配置docx、pdf、xlsx、PPT等技能，自動完成研報摘要、會議紀要整理、PPT生成、圖表繪制等重復性工作，提升信息處理效率。

多Agent協作：支持并行運行多個智能體，分別負責數據清洗、邏輯驗證、報告撰寫。

圖表16：單智能體系統概念圖

資料來源：akira

（2）企業辦公：打造智能數字員工

日程與郵件管理：自動安排會議、回復常規郵件、提取附件關鍵信息。

跨系統協同：在飛書、釘釘、企業微信中接收指令，調用內部系統完成審批、報銷、數據查詢等任務。

知識庫構建：企業可私有化部署，將內部制度、項目文檔、客戶資料轉化為AI可調用記憶，提升員工信息獲取效率。

（3）其他垂直場景

汽車智能化：適配車載分布式架構，作為語音交互中樞，實現導航、娛樂、車控的自然語言控制。

醫療健康：部署“醫療數字員工”，輔助預診、問診、病歷整理，縮短產品迭代周期超60%。

圖表17：OpenClaw辦公場景應用

資料來源：飛書

圖表18：OpenClaw汽車智能化應用

資料來源：中國日報網

2.3

OpenClaw的商業化邏輯

2.3.1上游

上游環節聚焦為OpenClaw生態提供底層技術支撐與算力資源，核心參與者包括大模型廠商、算力硬件供應商及相當活躍的開源社區。

大模型廠商：提供模型能力與API接口，是OpenClaw的“智能核心”。由于OpenClaw目前采用的是開源免費+基礎設施成本的付費機制，用戶的主要費用支出在于必要運行成本，該費用按 Token 計量。

由于OpenClaw使用量的增加， AI Token處理量從之前的6.4萬億/周翻倍成現在的13萬億/周，各大模型廠商轉向了“市場供需驅動的定價模式”。

圖表19：大模型廠商匯總

資料來源：OpenClaw橙皮書，聯儲證券研究所

圖表20：OpenClaw使用量

資料來源：openrouler，聯儲證券研究所

算力硬件供應商：支撐模型訓練與推理需求。OpenClaw帶動Token消耗量爆發，2026年2月中國主流大模型日均Token消耗達180萬億級，推動GPU、服務器等算力硬件需求增長。

然而，考慮到模型技術迭代、國產算力約束、價格刺激下的需求彈性變量等核心變量，實際算力芯片增量需求或更高于圖片中區間，原因在于：

1. 價格戰與Agent化刺激單用戶Token消耗攀升。之前為了搶占市場和用戶，主流大模型廠商要么下調API費用，這顯著降低了用戶使用Token的成本，但實際Token需求增速高于當前需求的線性預估測算。

2. 模型參數量擴張，推高單Token算力密度。大模型向更長上下文、更大參數量方向持續迭代，從70B級向400B+甚至萬億參數邁進，這導致單Token生成所需的算力與顯存帶寬消耗顯著提升。

3. 非N系芯片算力約束，放大了全球算力需求。由于當前測算是以NIVIDA GB200為基準算力單元，但各大模型廠商采用的推理算力芯片各不相同，而這類芯片單卡TPS普遍不及NIVIDA GB200，使得實際芯片需求量遠高于基于NIVIDIA算力的測算結果。

圖表21：OpenClaw算力硬件需求

資料來源：聯儲證券研究所

2.3.2中游

中游環節通過平臺化服務連接上游技術與下游應用，核心參與者為云廠商、AI基礎設施服務商及生態工具開發商。

云廠商：提供OpenClaw部署與運行環境，降低使用門檻。騰訊云Lighthouse實現5分鐘部署，阿里云推出AutoGLM-OpenClaw鏡像服務。

AI基礎設施服務商：提供中間件與工具鏈。七牛智能通過MaaS為智能體提供Token調度，其自研的“靈矽AI”跨實體智能體框架用于構建低延遲執行層底座。

生態工具開發商：主要是豐富OpenClaw功能。例如萬興科技旗下天幕創作引擎接入ClawHub，覆蓋文生視頻、文生音樂等功能。

圖表22：靈矽AI

資料來源：靈矽AI

但是，在 OpenClaw驅動的 AI Agent產業浪潮中，大模型廠商的價值分配或將呈現二元分化格局，即頭部性能通吃高價值場景與國產性價比下沉普惠市場。兩類廠商錯位競爭、共同成長，構成 OpenClaw 生態下大模型產業的核心增長主線，原因在于：

第一，性能頂尖的頭部廠商憑借任務執行能力壁壘、高價值客戶付費意愿、高 Token 消耗密度，成為企業級 Agent 市場的核心受益者；

第二，以國產廠商為代表的性價比路線模型，憑借低成本推理、國產算力適配、下沉市場需求彈性，快速滲透中小企業與 C 端普惠場景，打開增量市場空間。

圖表23：大模型廠商Token消耗量

資料來源：openrouler，聯儲證券研究所

圖表24：國產廠商模型

資料來源：各出品方，聯儲證券研究所

2.3.3下游

下游環節聚焦OpenClaw在各行業的應用落地，核心參與者為企業級解決方案提供商與終端用戶。

企業級解決方案：漢得信息基于H-ONE融合數據平臺，推出AI供應鏈物流Agent，客戶AI預算向千萬級甚至億元級靠攏，2026年H1海外業務增速高于國內平均水平。

終端用戶：C端用戶通過“養蝦”熱潮推動商業化；B端用戶如金融機構使用OpenClaw進行投研知識復刻、自動化數據處理，醫療企業部署“醫療數字員工”系統，縮短產品迭代周期超60%。

圖表25：H-ONE融合數據平臺

資料來源：公開資料

盡管目前已經多家公司推出自己的OpenClaw項目產品，但從市場整體角度來看現階段仍然以生產力提升為主，大規模的商用正在加速落地中。

政策端的持續加碼成為AI Agent產業發展的核心驅動力。各地政策的算力券、免費部署、專項補貼等舉措有效降低 Agent 研發與部署門檻。

從技能庫來看主要使用者還是以生產力需求者為主，開發者居首。當前 OpenCLaw 的生態需求仍由程序員、DevOps 工程師、前端開發者等技術群體主導，平臺功能與用戶訴求深度綁定開發輔助場景，開發者仍是其最核心的用戶基底。

圖表26：OpenClaw項目產品統計

資料來源：OpenClaw橙皮書，聯儲證券研究所

2.4

OpenClaw國家政策支持

OpenClaw與中國科技政策和戰略高度契合，核心體現在技術自主化、算力國產化、應用場景落地、數據安全與隱私保護四大維度，與國家“十五五”數字經濟規劃、“東數西算”工程、AI安全治理等政策目標深度協同。

一、技術自主化：開源框架適配國產大模型，響應自主可控戰略

OpenClaw作為開源AI智能體框架，支持國產大模型（如智譜GLM、MiniMax、Kimi）的本地化部署，與國家“核心技術自主可控”戰略高度一致。

政策支撐：國務院《“人工智能+”行動實施意見》明確提出“推動開源框架與國產模型深度融合”，OpenClaw通過ClawHub技能市場，降低了企業對海外AI工具的依賴。

企業實踐：智譜推出AutoClaw（澳龍），主打本地部署與多模型接入能力，覆蓋金融投研、辦公自動化等場景；騰訊QClaw、字節ArkClaw等產品均基于OpenClaw框架開發，推動國產智能體生態自主化。

二、算力國產化：端側芯片與算力基礎設施協同，契合“東數西算”工程

OpenClaw強調本地優先、低時延的特性，推動端側AI芯片需求增長，與國家“東數西算”工程中“算力本地化”目標高度匹配。

端側芯片適配：瑞芯微RK3588/RK182X系列、此芯科技CIX ClawCore螯芯系列等國產芯片支持大模型本地推理，降低對云端進口芯片的依賴。

算力基礎設施：上海臨港建成全球最大單體智算中心集群，算力規模突破50EFLOPS，PUE降至1.2以下，為OpenClaw本地化部署提供算力支撐。

三、應用場景落地：政策補貼與行業滲透，助力“人工智能+”行動

OpenClaw的“自主執行”能力加速AI在垂直行業的落地，與國家“人工智能+”行動中“培育智能原生新業態”的目標一致。多地政府都發文提高對AI行業以及科創企業的政策補貼，例如：深圳龍崗出臺最高1000萬元股權投資，免費提供OpenClaw部署服務等。

四、數據安全與隱私保護：合規框架適配，響應國家數據安全戰略

OpenClaw的本地化部署特性與國家《數據安全法》《個人信息保護法》要求高度契合，解決了AI應用中的數據隱私風險。

安全治理：中國信通院發布《關于OpenClaw安全應用的風險提示》，提出“六要六不要”規范，推動行業合規發展。

企業實踐：小米miclaw采用“API雙重授權”機制，實現透明可審計，符合國家數據安全監管要求。

圖表27：OpenClaw政策補貼

資料來源：中國經營報

2.5

OpenClaw產業鏈發展

2026年3月10日至11日，受國家互聯網應急中心發布安全風險提示影響，港股MiniMax-WP單日跌幅超9%，智譜、迅策等概念股集體回調，A股優刻得、青云科技等此前漲停的標的亦出現顯著回落。市場對OpenClaw默認配置高危、公網暴露風險、指令投毒等安全問題的擔憂導致短期估值邏輯重構，股價出現“利空出盡”式下跌，但市場對技術落地的預期仍支撐活躍度。

而在企業端訂單一側，我們可以看到目前訂單需求并不是呈現“穩步增長”的態勢，而是一種典型的市場情緒爆發，目前多數訂單集中于短期的部署類訂單，其次就是算力/Token消耗型訂單，因為OpenClaw本質上依賴大模型的調用，最后就是企業試點訂單正在起量，但還未達到規模化收入水準。

目前主流的AaaS服務分為：1. 云廠商的“托管部署服務”；2. Agent平臺；3. Skill marketplace，這一塊目前沒有成熟的分發和收費體系，而且安全風險較高。預測后續AaaS服務會最終形成Agent AaaS生態。

當下，各大廠商紛紛開始調整自己的戰略布局。

上游的模型廠商面臨著如何去風險化的問題。由于OpenClaw在執行中會取得“高權限”，這極大地提高模型出現“越獄風險”的概率。當下，模型廠商多采用強化“模型安全層”、推動人類介入、限制高風險場景應用。

中游的云服務廠商和Agent平臺由于需要直接承接客戶需求，因此這類廠商的風險責任最大，也是最容易被監管“點名”。它們采用的是：1.廠商目前在部署服務器和Agent平臺時默認不開公網、隔離部署、限制執行能力等；2. 架構層進從原來的“系統直連”轉變為“沙箱執行”，避免直接操作生態系統；3. 在推出企業合規版的Agent時要求操作可回溯和高危行為必須人工審核；4. 從原來的“通用型Agent”轉向“行業解決方案”。

硬件供貨廠商主要面臨的是在安全風險提示發布后市場需求變動以及政策后續變化的不確定性。所以，目前各大硬件供貨商主要是與其他云服務廠商深度綁定，為其提供Agent算力專用集群。

安全廠商是整個產業鏈獲益最大的。他們主要是對Agent提供專用的安全產品，建立Skill模塊供應鏈安全體系以及為企業提供包括權限控制、操作審計和風險評分系統等的安全框架。

03

專家解讀

劉曉慶（IT桔子內容總監）：目前中國市場正在經歷一場國資崛起-中國一級市場投資范式大遷徙。2025年中國創投市場2025年投資交易超9000起，同比增長28%，回暖格局的背后呈現“啞鈴型”斷層格局：早期投資超6000起，戰略投資體量龐大，但成長期和中后期融資斷崖式下跌，分別從2021年的32.6%、16.3%滑落至19.6%、7.9%。首先是國資主導時代正式到來，“國資滲透率”突破45%，若計入間接LP出資，市場近90%資金源頭為國家資本。美元基金交易占比跌至2.5%，金額從5000億縮水至800億，美元VC黃金時代終結。然后是退出路徑重塑：并購占退出案例近八成，A股上市公司作為買方占六成；去年上市獨角獸絕大多數選擇香港，赴美上市歸零。

黃雪群（L2F光源創業者基金執行董事）：到2025年，全球AI領域投資在整體風險投資中的占比已升至約50%至65%，總規模超過2000億美元，其中Mega Deal占比達73%。這一輪AI投資熱潮并非單一因素驅動，而是生產力溢價持續釋放、基礎設施“軍備競賽”加速推進，以及退出邏輯發生變化三重力量共同作用的結果。AI正在從傳統意義上的工具，演進為可承擔具體任務的數字勞動力。因此，AI尤其適用于那些流程規則清晰、對主觀判斷依賴較低、且天然具備外包屬性的工作場景。這一演進背后的核心，是推動AI能力從“能夠生成回答”走向“能夠穩定交付結果”。

熊明輝（浙江大學光華法學院求是特聘教授）：作為開源人工智能體領域的典型代表，OpenClaw憑借強大的自然語言交互與任務執行能力，在短時間內迅速吸引了廣泛關注與應用。然而，其開放性與高權限特性，也使其成為網絡安全領域不容忽視的焦點，暴露出一系列亟待解決的安全風險。惡意行為者通過篡改軟件包、植入后門，或利用已知漏洞進行滲透，一旦成功潛入企業內網，便可竊取核心商業數據、知識產權，甚至取得內部系統控制權，對企業數據安全構成系統性威脅。設備與系統層面的安全隱患同樣嚴峻。為完成復雜任務，OpenClaw在開發與運行時往往需要較高的系統權限。若配置存在疏漏，或軟件自身存在未修補的漏洞，可能導致主機敏感信息(如密鑰、配置)泄露。攻擊者借此可劫持設備，將其納入僵尸網絡或用于發起進一步的內部攻擊，嚴重威脅企業基礎設施的穩定與安全。此外，在扮演個人助手時，OpenClaw處理通訊錄、日程、聊天記錄等大量敏感個人信息時，安全防護的薄弱環節可能導致這些數據被竊取與濫用。“更危險的是，在集成金融交易功能的場景下，一旦智能體被攻破，攻擊者可能誘導其執行錯誤轉賬、越權查詢等操作，直接造成用戶財產損失，動搖數字經濟的信任基石。

來源 | 金融研究中心

作者 | 熊浩文